ANFIS网络和离散小波变换在中压地下电力电缆故障定位中的应用研究

可在www.sciencedirect.com上在线ScienceDirect电气系统与信息技术学报1（2014）198基于ANFIS网络和离散小波变换放大图片作者：Shimaa Barakata， Magdy B.瓦埃勒？伊斯梅尔？瓦赫巴？a埃及Beni Suief，Beni Suief大学，工业教育学院，电气工程b埃及法尤姆法尤姆大学工程学院电气工程系2014年12月12日在线发布摘要本文提出了一种基于自适应网络模糊推理系统（ANFIS）和离散小波变换（DWT）相结合的中压地下电力电缆故障定位的精确算法该方法采用5个ANFIS网络，分为故障类型分类和精确故障定位两个阶段在第一部分中，ANFIS用于确定故障类型，应用四个输入，即，三相和零序电流的最大详细能量其他四个ANFIS网络用于查明故障（每种故障类型一个）。四个输入，即，利用三相电流和零序电流的最大细节能量来训练神经模糊推理系统，以准确定位电缆故障在不同的故障条件下，如不同的故障位置，不同的故障起始角和不同的故障电阻的所提出的方法进行评估© 2015制作和主办由Elsevier B.V.电子研究所（ERI）关键词：ANFIS;故障定位;地下电缆;小波变换1. 介绍地下电缆由于其可靠性和有限的环境问题而被广泛应用。为了提高配电系统的可靠性，需要准确地识别故障段，以减少故障期间的中断时间因此，需要一种快速准确的故障检测方法来加速系统恢复，减少停电时间，最大限度地减少经济损失，并显着提高系统的可靠性。迄今为止，已经开发了各种地下电缆故障定位算法例如，Ningkang和Yuan引入了一种数学模型，该模型基于计算测试输电线路上的阻抗来定位所有故障位置（Ningkang和YuanLiao，2010）。虽然他们的模型是令人满意的，他们只使用故障后的相电流幅值来识别故障位置，但他们的方法不适用于配电系统，由于不对称的网络。另一种方法*通讯作者。联系电话：+20 01115153369;传真：+20 822241932。电子邮件地址：shimaabara@yahoo.com（S. Barakat），eteiba@yahoo.ca（M.B. Eteiba），waelwahba@gmail.com（W.I.Wahba）。电子研究所（ERI）负责同行评审。http://dx.doi.org/10.1016/j.jesit.2014.12.0032314-7172/© 2015由Elsevier B. V.制作和托管电子研究所（ERI）S. Barakat等人/电气系统与信息技术学报1（2014）198199为了识别径向电缆的故障位置，采用小波变换从瞬态信号中提取有价值的信息，并最终通过模糊逻辑系统定位故障（Moshtagh和Aggarwal，2004）。Javad实施了另一种方法，使用ANFIS在架空输电线路与地下电力电缆的组合中定位故障（JavadSadeh和HamidZeddi，2009年）。小波变换是用来获得当前的模式（莫拉和卡里略，2006年），所提出的方法包括训练ANFIS系统与故障数据库寄存器从配电系统。ANFIS网络的性能良好，对当前模式的正确分类率为在这里，我们建立在以前提出的方法，并描述了一种快速，准确的方法，以检测地下电缆故障定位。该方法采用了一种新的小波-ANFIS相结合的方法。ANFIS用于从可用的离散小波变换系数中提取信息，以获得关于故障定位的一致性类似于任何基于规则的系统，通过模糊推理系统（FIS）收集规则（Rasli等人，2012年）。在不同的故障条件下，所提出的模型的有效性进行了验证。本文的组织结构如下。第二节，对小波变换进行了简单的介绍。第3节介绍了ANFIS的理论背景，第4节介绍了用于定位故障的方法。培训和测试结果见第5节，结论见第6节。2. 小波变换分析最近，小波变换（WT）技术已经有效地用于许多信号的多尺度表示和分析（Robertson等人，1996年）。小波变换将瞬态分解为一系列小波分量，每个分量对应于覆盖包含更详细信息的特定频带的时域信号。小波将信息定位在时间-频率平面中这使得小波变换技术更适合于分析非平稳信号。小波分析也适用于快速变化的瞬态信号分析。它的主要优点是能够展示大信号的特定区域的局部特征 WT划分数据，对不同的频率分量进行操作，然后以与其尺度匹配的分辨率研究每个分量（Bhowmik等人， 2009年）。2.1. 离散小波变换在离散小波变换（DWT）中，使用数字滤波技术获得数字信号的时间尺度表示 在这种情况下，使用不同截止频率的滤波器来分析不同尺度的信号（Misiti等人， 2001年）。然后，信号通过一系列高通滤波器以分析高频，并通过一系列低通滤波器以分析其低频分量。因此，信号（S）将被分解为两种类型的分量，即近似（称为A）和细节（D）。近似是信号的高尺度、低频分量，而细节是低尺度、高频分量。这个分解过程可以使用逐次逼近来迭代，逐次逼近可以被进一步分解，使得任何给定的信号被分解成许多较低分辨率的分量。 这种方法被称为小波分解树，如图所示。1.一、Fig. 1.小波分解树200S. Barakat等人/电气系统与信息技术学报1（2014）198我Σ我图二.具有两个输入数据和两个MF的基本ANFIS模型。3. ANFIS概念ANFIS是一种简单的数据学习技术，它采用模糊推理系统模型将给定的输入转换为目标输出。这种转换涉及隶属函数，模糊逻辑运算符和条件规则。ANFIS是一个Sugeno模型，来自模糊推理系统（FIS）的发展（Jang，1993）。Sugeno型ANFIS对输出系统实现了一阶多项式，以取代Sugeno FIS模型中的零阶多项式。在典型的ANFIS操作中有五个主要处理阶段，其包括输入模糊化、模糊算子的应用、应用方法、输出聚合和解模糊化（Mora等人，2006年）。这些阶段在ANFIS结构中得到了证明，如图所示。 二、 每个ANFIS层都有计算输入和输出参数集的特定功能，如下所述（Jang，1993）。第1：在该层中执行输入数据的模糊化以下等式用于该过程：1Xi（x）=1+（（x-c）/a）2b1（1）我我1Yi（y）=1+（（y-c）/a）2b1（2）其中Xi（x）和Yi（y）是模糊值，ai、bi和ci是通过高斯输入隶属函数计算的参数集第2层：这一层涉及模糊运算符，它使用乘积（AND）运算符来模糊化输入。以下模糊关系表示模糊运算符的乘积：Ri=Xi（x）×Yi（y） i=1、 2、 3、 4（3）第3层（归一化）：在这个阶段，每个增益信号除以总的增益信号由以下方程，RiNi=R1+R2+R3+R4i=1、 2、 3、 4（4）第4层（解模糊）：在此阶段，通过线性方程再次获得归一化信号，该线性方程由输出信号的隶属函数形成，如以下方程所示，Gi=Ni（pi x+qi y+ri）i=1，2，3，4（5）其中pi、qi和ri是线性信号的隶属函数参数。第5层：ANFIS操作中的最后一个过程称为神经元加法，其中所有去模糊化信号Gi被加在一起，如下所示：OT=Gi i=1， 2， 3， 4（6）OT是预测值。S. Barakat等人/电气系统与信息技术学报1（2014）198201表1ANFIS 1故障类型分类的训练目标故障类型ANFIS靶标三相接地（ABCG）1双线接地（ABG）2线对线（AB）3单线接地（AG）44. 建议的故障定位方法该方法包括两个主要阶段，即故障类型分类和准确的故障定位。该算法包含五个ANFIS。第一个网络用于故障类型分类，而其余四个网络用于精确故障定位（每种故障类型一个）。4.1. 基于离散小波变换的特征提取在这里，我们使用线电流信号作为DWT的输入Daubechies DB4小波，因为它已被证明是高性能的。通过第五级离散小波变换对研究案例的故障暂态过程进行了分析利用多分辨率分析方法从原始信号中提取出与故障电流相关的近似信息和细节信息。当电缆中发生故障时，其影响可以被观察为包含有用故障特征的电流信号的分解系数内的变化 图图3显示了工作中研究的特定类型故障的1级至5级的DWT详细系数。在级别1处的详细系数的图的性质揭示了对应于故障启动过程的尖锐尖峰。根据DWT理论，该尖峰代表故障信号内的最高频率。然而，仅基于该尖峰来识别故障是不实际的，因为每当电缆电流信号中存在突然变化时，这种尖峰将发生。因此，这将无法明确区分不同类型和不同位置的故障。第5级详细系数的性质（图图4和图5）示出了与高尖峰一起，存在包含一些较小尖峰的特定边带。已经观察到该边带的性质以及主导尖峰随着故障类型和位置的变化而明显改变然而，在更高的水平上的详细系数已经被发现包含更宽的边带，这使得与可能的故障类型和位置的相关性变得因此，我们决定从5级详细系数中提取一些有意义的特征，这些特征可以与可能的故障类型和位置相关。考虑到这一点，三相和零序电流的最大详细能量已被用作故障分类和定位方案的特征。所提出的方法包括训练ANFIS系统与故障数据库从电缆的模拟4.2. 故障分类方案为了设计一个自适应模糊推理系统，有效和正确地训练它是至关重要的必须仔细选择训练集，使得它可以包括多种故障条件，例如考虑不同的故障起始角、不同的故障然后使用训练集内外的模式测试ANFIS的性能。一个可接受的和简单的标准，我们在这里使用的是，ANFIS输入应该提供更多的信息，故障定位比那些没有选择。因此，对于故障类型分类（ANFIS 1），三相和零序电流的最大详细能量被选择为输入，并且期望输出是如表1中所设置的故障类型。202S. Barakat等人/电气系统与信息技术学报1（2014）198图3.第三章。DWT详细说明了三相接地故障的1级至5级系数（A相分解，故障电阻= 100▲，起始角= 90Ω，故障位置= 1.375 km）。S. Barakat等人/电气系统与信息技术学报1（2014）198203见图4。三相接地故障情况的5级详细系数。图五.线路间故障情况下的详细系数。204S. Barakat等人/电气系统与信息技术学报1（2014）198−用于计算最大详细能量的Matlab代码为：[Ea 0， Ed 0]= wenergy（C 0， L0）;int max= max（int x）;[Eaa， Eda]= wenergy（Ca，La）; Eda max= max（Eda）;[Eab， Edb]= wenergy（Cb，Lb）; Edb max= max（Edb）;[Eac， Edc]= wenergy（Cc，Lc）; Edc max= max（Edc）;其中Ea：近似值对应的能量百分比Ed：包含与细节相对应的能量百分比的向量4.3. 故障定位方案在这个阶段中，四个不同的ANFIS的故障定位基于故障类型的知识进行训练。一旦故障被分类，则用于故障定位的相关ANFIS被激活。这些网络的输入与ANFIS 1的输入相同。然而，输出是故障点到电缆发送端的距离，单位为Km。5. 测试和结果5.1. 测试系统交替瞬态程序（ATP）用于模拟中压地下电缆模型（InternationalCables，2015），采样频率为200 kHz。单线图如图6所示，而电缆配置如图7所示。我们使用的组件是三相电压源，测试电缆和固定负载。11 kV电缆材料的规格见表2。三相电压源：V= 11 kV，f= 50 Hz。负载：三相2 MVA接地Y形负载，带并联R、L元件（功率因数= 0.85，R= 71.157▲，L= 365.475 mH）。见图6。地下电缆模型单线图。表211 kV电缆材料规范中压地下电缆材料规范（交联聚乙烯铜绞线芯导体ρ= 1.7E 8▲ m，μ= 1.0绝缘μ= 1.0，ε= 2.7鞘层ρ=2.5E−8▲ m，μ= 1.0ρ：导体材料的电阻率;μ：导体材料的相对磁导率;μ（ins.）：导体外部绝缘材料的相对磁导率。ε（英寸）：导体外部绝缘材料的相对介电常数··S. Barakat等人/电气系统与信息技术学报1（2014）198205见图7。电缆配置。中压地下电缆故障的模拟取决于四个主要的故障参数（故障类型，故障距离，故障电阻，起始角）。5.1.1.模拟故障类型• 单线接地（AG）• 双线接地（ABG）• 线对线（AB）• 三相接地故障电阻：{0，10，30，50，100，200▲}初始角度：{0°，45°，90°，135°，180°}206S. Barakat等人/电气系统与信息技术学报1（2014）198表3模拟次数培训测试三相接地630120单线接地（AG）630180线对线（AB）630120双线接地（ABG）630120总2520540故障距离：培训：[0.5，0.75，1，1.25，1.5，1.75，2，2.25，2.5，2.75，3，3.25，3.5，3.75，4，4.25，4.5，4.75，5，5.25，5.5]公里从发送端。测试：[0.625，0.875，1.125，1.375，1.625，1.875，2.125，2.375，2.625，2.875，3.125，3.375，3.625，3.875，4.125，4.375，4.625，4.875，5.125，5.375] Km。• 表3显示了这项工作中使用的模拟数量5.2. 故障数据库为了获得故障数据库，在图1所示的中压地下电缆中模拟了四种故障类型。 5：单相接地故障（A相接地故障）、线路间故障（A相和B相故障）、双线接地故障（A相和B相接地故障）和三相接地故障（A、B、C相接地故障）。然后将模拟的ATP文件转换为Microsoft Office Excel逗号分隔值文件（*.csv文件）并导入Matlab以执行小波分析，并将提取的特征存储在数据库文件中。结果，已经获得了3060个模拟这些被用来训练和验证ANFIS系统。5.3. ANFIS故障类型分类结果表4列出了三相接地故障的部分故障分类训练输出结果如图所示，获得的预测值与训练目标值非常相似。这表明ANFIS能够正确识别和分类故障。5.4. 故障定位系统工具故障定位系统工具（FL）的开发基于Matlab GUI，如图8所示。构建GUI工具的目的是：• 使用ANFIS模型测试数据，• 显示原始信号、小波近似和第5级的细节系数• 产生故障类型，• 计算故障位置，• 计算误差百分比。FL只需要一个标准的三相电流数据格式作为输入来确定故障点。5.4.1. 故障定位系统工具故障定位系统工具（FL）由三部分组成：第1部分：它显示了原始三相信号（A，B和C）和相应的小波逼近信号在第5级（Aa5，Ab5和Ac5）。···S. Barakat等人/电气系统与信息技术学报1（2014）198207表4三相ANFIS故障类型分类训练结果，故障电阻= 0▲。Xa（公里）目标ANFIS输出IA = 0mAANFIS输出IA = 45mAANFIS输出IA = 90mAANFIS输出IA = 135mAANFIS输出IA = 180mA0.511.0040.9780.9771.0541.0210.7511.0040.9881.0011.0221.012111.0020.9921.0080.9911.0031.2511.0021.0001.0100.9640.9951.511.0011.0081.0120.9590.9921.7511.0001.0141.0090.9580.990210.9991.0191.0050.9600.9892.2510.9981.0211.0030.9760.9912.510.9981.0220.9990.9890.9922.7510.9971.0190.9961.0060.994310.9971.0140.9951.0170.9973.2510.9971.0080.9951.0281.0003.510.9970.9980.9941.0351.0033.7510.9970.9900.9951.0391.005410.9990.9830.9971.0441.0074.2510.9980.9780.9971.0351.0074.511.0000.9780.9991.0241.0074.7511.0010.9811.0011.0121.005511.0010.9901.0010.9891.0025.2511.0051.0061.0020.9630.9995.511.0051.0251.0030.9350.991IA：起始角。aX（km）：实际故障位置。见图8。故障定位系统工具的应用窗口。208S. Barakat等人/电气系统与信息技术学报1（2014）198%误差=. 精确的Dis tan ce− ANFIS输出。 × 100%其中电缆总长= 6 km。见图9。三相接地故障的百分比误差（训练）。• 第2部分：它显示了第5级（Da5、Db5和Dc5）的小波细节信号• 第3：显示故障类型，计算故障位置，最后计算百分比误差。5.5. ANFIS故障定位估计训练结果在ANFIS故障定位估计中，所有四种类型的故障（ABCG，ABG，AB和AG）分别进行训练因此，总共使用了四个网络来估计故障距离。每个网络的结果如下所示。定位误差定义为（IEEE，2005）：.电缆总长度。5.5.1. 三相接地ANFIS故障测距模型从图中可以看出。 9三相接地故障的百分比误差小于1.65%。5.5.2. 双线接地ANFIS故障测距模型从图中可以看出。 双回线接地故障的百分比误差小于1%。5.5.3. E.3线对线ANFIS故障定位模型从图中可以看出。 11线到线故障的百分比误差小于2%。5.5.4. 单相接地ANFIS故障测距模型从图中可以看出。 12、单相接地故障的百分比误差小于3%。见图10。双线接地故障的百分比误差（训练）。S. Barakat等人/电气系统与信息技术学报1（2014）198209见图11。线到线故障的百分比误差（训练）。见图12。单线对地误差百分比（训练）。图十三.三相接地故障的百分比误差（测试）。5.6. ANFIS故障位置估计测试结果5.6.1. 三相接地故障从图中可以看出。 13三相接地故障的百分比误差小于0.7%。5.6.2. 双线接地故障从图中可以看出。 14双回线接地故障的百分比误差小于1.7%。见图14。双线接地故障的百分比误差（测试）。210S. Barakat等人/电气系统与信息技术学报1（2014）198图15.线路间故障的百分比误差（测试）。图16.单线接地故障的百分比误差（测试）。5.6.3. 线间故障从图中可以看出。 15线对线故障的百分比误差小于1.8%。5.6.4. 单相接地故障从图中可以看出。 16、单相接地故障的百分比误差小于3%。6. 结论提出了一种基于小波变换和自适应网络模糊推理系统（ANFIS）的中压地下电缆故障测距方法。建议的ANFIS仅使用故障后三相电流作为输入。它预测故障到发送端点的距离结果表明，该方法能够准确地识别故障类型和定位故障。引用Bhowmik，P.S.，Purkait，P.，Bhattacharya，K.，2009年基于小波变换辅助神经网络的输电线路故障分析方法。《电力能源系统》31，213-219。IEEE交流输电和配电线路故障定位指南，2005年6月， IEEE标准C37.114-2004。International Cables Co. SAE，网址：http://www.intlcables.com/aProducts/MVCables.aspx张，J.S.R.，一九九三年ANFIS：自适应网络模糊推理系统。 IEEE Trans. 系统 人类网络 23（1），665-685。Javad Sadeh，Hamid Zedadi，2009年。提出了一种基于自适应网络模糊推理系统的组合输电线路故障定位新算法。电力系统研究79，1538-1545。Misiti，M.，Misiti，Y.，奥本海姆，G.，Poggi，J.M.，2001年 Wavelet Toolbox用户指南。 The Math Work，Inc.Mora，J.J.，Carrillo，G.，2006年。 基于ANFIS网络和电流模式的配电系统故障定位。在：IEEE PES传输和分配会议和拉丁美洲博览会，委内瑞拉。Mora，J.J.，Carrillo，G.，佩雷斯湖，2006. 基于ANFIS网和电流谱的配电网故障定位在：国际传输和分配会议（TDC-06），拉丁美洲，IEEE电力&能源学会。Moshtagh，J.，Aggarwal，R.K.， 2004. 提出了一种基于模糊逻辑&小波分析的单芯地下电缆故障定位新方法。 第八届IEE电力系统保护发展国际会议，4月，pp. 228-231。S. Barakat等人/电气系统与信息技术学报1（2014）198211宁康，袁辽，2010年。使用电流幅度测量的故障位置估计。在：IEEE东南会议（SECON 10）的程序。Rasli，Hussain，Fauzi，2012. 基于自适应神经模糊推理系统的配电网故障诊断 模糊推理系统-理论与应用。华盛顿特区罗伯逊营地，O.I.，Mayer，J.S.，Gish，W.B.，一九九六年。 水和电磁功率系统瞬变。 IEEE Trans Power Deliver 11（2），1050-1051.